एआई क्या है?

कृत्रिम बुद्धिमत्ता, या एआई, वह तकनीक है जो कंप्यूटर और मशीनों को मानव बुद्धि और समस्या-समाधान क्षमताओं का अनुकरण करने में सक्षम बनाती है।
अपने दम पर या अन्य तकनीकों (जैसे, सेंसर, जियोलोकेशन, रोबोटिक्स) के साथ मिलकर एआई ऐसे कार्य कर सकता है जिनके लिए अन्यथा मानव बुद्धि या हस्तक्षेप की आवश्यकता होगी। डिजिटल सहायक, जीपीएस मार्गदर्शन, स्वायत्त वाहन और जेनरेटिव एआई उपकरण (जैसे ओपन एआई के चैट जीपीटी) दैनिक समाचार और हमारे दैनिक जीवन में एआई के कुछ उदाहरण हैं।
कंप्यूटर विज्ञान के एक क्षेत्र के रूप में, कृत्रिम बुद्धिमत्ता में मशीन लर्निंग और डीप लर्निंग शामिल है (और अक्सर इसका उल्लेख एक साथ किया जाता है)। इन विषयों में एआई एल्गोरिदम का विकास शामिल है, जो मानव मस्तिष्क की निर्णय लेने की प्रक्रियाओं के आधार पर तैयार किया गया है, जो उपलब्ध डेटा से ‘सीख’ सकता है और समय के साथ अधिक सटीक वर्गीकरण या भविष्यवाणियां कर सकता है।
कृत्रिम बुद्धिमत्ता प्रचार के कई चक्रों से गुज़री है, लेकिन संशयवादियों के लिए भी, ChatGPT की रिलीज़ एक महत्वपूर्ण मोड़ प्रतीत होती है। पिछली बार जब जेनरेटिव एआई इतना बड़ा था, तो सफलताएँ कंप्यूटर विज़न में थीं, लेकिन अब आगे की छलांग प्राकृतिक भाषा प्रसंस्करण (एनएलपी) में है। आज, जेनरेटिव एआई न केवल मानव भाषा बल्कि छवियों, वीडियो, सॉफ्टवेयर कोड और यहां तक ​​कि आणविक संरचनाओं सहित अन्य डेटा प्रकारों को सीख और संश्लेषित कर सकता है।
एआई के लिए आवेदन हर दिन बढ़ रहे हैं। लेकिन जैसे-जैसे व्यवसाय में एआई टूल के उपयोग को लेकर प्रचार बढ़ रहा है, एआई नैतिकता और जिम्मेदार एआई के बारे में बातचीत गंभीर रूप से महत्वपूर्ण हो गई है। इन मुद्दों पर आईबीएम कहां खड़ा है, इसके बारे में अधिक जानने के लिए कृपया एआई में विश्वास का निर्माण पढ़ें।
कृत्रिम बुद्धिमत्ता के प्रकार: कमजोर AI बनाम मजबूत AI
कमज़ोर AI—जिसे संकीर्ण AI या कृत्रिम संकीर्ण बुद्धि (ANI) के रूप में भी जाना जाता है—AI विशिष्ट कार्यों को करने के लिए प्रशिक्षित और केंद्रित है। कमजोर AI आज हमारे चारों ओर मौजूद अधिकांश AI को संचालित करता है। इस प्रकार के एआई के लिए “नैरो” अधिक उपयुक्त वर्णनकर्ता हो सकता है क्योंकि यह कुछ भी हो लेकिन कमजोर है: यह कुछ बहुत ही मजबूत अनुप्रयोगों को सक्षम बनाता है, जैसे कि एप्पल के सिरी, अमेज़ॅन के एलेक्सा, आईबीएम वाटसनएक्स ™ और सेल्फ-ड्राइविंग वाहन।
मजबूत AI कृत्रिम सामान्य बुद्धिमत्ता (AGI) और कृत्रिम सुपर इंटेलिजेंस (ASI) से बना है। एजीआई, या सामान्य एआई, एआई का एक सैद्धांतिक रूप है जहां एक मशीन में इंसानों के बराबर बुद्धि होगी; यह एक ऐसी चेतना के साथ आत्म-जागरूक होगा जिसमें समस्याओं को हल करने, सीखने और भविष्य के लिए योजना बनाने की क्षमता होगी। एएसआई-जिसे अधीक्षण के रूप में भी जाना जाता है-मानव मस्तिष्क की बुद्धि और क्षमता को पार कर जाएगा। जबकि मजबूत एआई अभी भी पूरी तरह से सैद्धांतिक है और आज इसका कोई व्यावहारिक उदाहरण उपयोग में नहीं है, इसका मतलब यह नहीं है कि एआई शोधकर्ता इसके विकास की खोज भी नहीं कर रहे हैं। इस बीच, एएसआई का सबसे अच्छा उदाहरण विज्ञान कथा से हो सकता है, जैसे एचएएल, 2001 में अलौकिक और दुष्ट कंप्यूटर सहायक: ए स्पेस ओडिसी।
डीप लर्निंग बनाम मशीन लर्निंग
मशीन लर्निंग और डीप लर्निंग एआई के उप-विषय हैं, और डीप लर्निंग मशीन लर्निंग का एक उप-अनुशासन है।
मशीन लर्निंग और डीप लर्निंग एल्गोरिदम दोनों ही बड़ी मात्रा में डेटा से ‘सीखने’ के लिए तंत्रिका नेटवर्क का उपयोग करते हैं। ये तंत्रिका नेटवर्क मानव मस्तिष्क की निर्णय लेने की प्रक्रियाओं के आधार पर तैयार की गई प्रोग्रामेटिक संरचनाएं हैं। उनमें परस्पर जुड़े हुए नोड्स की परतें होती हैं जो डेटा से विशेषताएं निकालती हैं और डेटा क्या दर्शाता है इसके बारे में भविष्यवाणी करती हैं।
मशीन लर्निंग और डीप लर्निंग उनके द्वारा उपयोग किए जाने वाले तंत्रिका नेटवर्क के प्रकार और इसमें शामिल मानवीय हस्तक्षेप की मात्रा में भिन्न होते हैं। क्लासिक मशीन लर्निंग एल्गोरिदम एक इनपुट परत, एक या दो ‘छिपी’ परतों और एक आउटपुट परत के साथ तंत्रिका नेटवर्क का उपयोग करते हैं। आमतौर पर, ये एल्गोरिदम पर्यवेक्षित शिक्षण तक सीमित हैं: डेटा को मानव विशेषज्ञों द्वारा संरचित या लेबल करने की आवश्यकता होती है ताकि एल्गोरिदम डेटा से सुविधाओं को निकालने में सक्षम हो सके।
डीप लर्निंग एल्गोरिदम गहरे तंत्रिका नेटवर्क का उपयोग करते हैं – एक इनपुट परत, तीन या अधिक (लेकिन आमतौर पर सैकड़ों) छिपी हुई परतों और एक आउटपुट लेआउट से बना नेटवर्क। ये कई परतें बिना पर्यवेक्षित शिक्षण को सक्षम बनाती हैं: वे बड़े, बिना लेबल वाले और असंरचित डेटा सेट से सुविधाओं के निष्कर्षण को स्वचालित करती हैं। क्योंकि इसमें मानवीय हस्तक्षेप की आवश्यकता नहीं है, गहरी शिक्षा अनिवार्य रूप से मशीन लर्निंग को बड़े पैमाने पर सक्षम बनाती है।
जेनेरिक मॉडल का उदय
जेनरेटिव एआई गहन-शिक्षण मॉडल को संदर्भित करता है जो कच्चा डेटा ले सकता है – उदाहरण के लिए, संपूर्ण विकिपीडिया या रेम्ब्रांट के एकत्रित कार्य – और संकेत मिलने पर सांख्यिकीय रूप से संभावित आउटपुट उत्पन्न करने के लिए “सीख” सकता है। उच्च स्तर पर, जेनरेटिव मॉडल अपने प्रशिक्षण डेटा के सरलीकृत प्रतिनिधित्व को एन्कोड करते हैं और उससे एक नया कार्य बनाते हैं जो मूल डेटा के समान होता है, लेकिन समान नहीं होता है।
संख्यात्मक डेटा का विश्लेषण करने के लिए सांख्यिकी में जेनरेटिव मॉडल का उपयोग वर्षों से किया जाता रहा है। हालाँकि, गहन शिक्षा के उदय ने उन्हें छवियों, भाषण और अन्य जटिल डेटा प्रकारों तक विस्तारित करना संभव बना दिया है। इस क्रॉस-ओवर उपलब्धि को हासिल करने वाले एआई मॉडल की पहली श्रेणी में 2013 में पेश किए गए वैरिएबल ऑटोएनकोडर या वीएई शामिल थे। वीएई पहले डीप-लर्निंग मॉडल थे जिनका व्यापक रूप से यथार्थवादी आई उत्पन्न करने के लिए उपयोग किया गया था।
जादूगर और भाषण.
एमआईटी-आईबीएम वॉटसन एआई लैब में जेनेरेटिव एआई के विशेषज्ञ आकाश श्रीवास्तव ने कहा, “वीएई ने मॉडलों को स्केल करना आसान बनाकर गहन जेनेरेटिव मॉडलिंग के द्वार खोल दिए हैं।” “आज हम जो कुछ भी जेनेरिक एआई के रूप में सोचते हैं उसका अधिकांश भाग यहीं से शुरू हुआ।”
GPT-3, BERT, या DALL-E 2 सहित मॉडलों के शुरुआती उदाहरणों ने दिखाया है कि क्या संभव है। भविष्य में, मॉडलों को बिना लेबल वाले डेटा के व्यापक सेट पर प्रशिक्षित किया जाएगा, जिसका उपयोग न्यूनतम फाइन-ट्यूनिंग के साथ विभिन्न कार्यों के लिए किया जा सकता है। सिस्टम जो एक ही डोमेन में विशिष्ट कार्यों को निष्पादित करते हैं, व्यापक एआई सिस्टम को रास्ता दे रहे हैं जो अधिक सामान्य रूप से सीखते हैं और डोमेन और समस्याओं पर काम करते हैं। फाउंडेशन मॉडल, बड़े, बिना लेबल वाले डेटासेट पर प्रशिक्षित और अनुप्रयोगों की एक श्रृंखला के लिए ठीक से ट्यून किए गए, इस बदलाव को चला रहे हैं।
जहां तक एआई के भविष्य की बात है, जब जेनेरिक एआई की बात आती है, तो यह अनुमान लगाया जाता है कि फाउंडेशन मॉडल उद्यम में एआई अपनाने में नाटकीय रूप से तेजी लाएंगे। लेबलिंग आवश्यकताओं को कम करने से व्यवसायों के लिए इसमें उतरना बहुत आसान हो जाएगा, और उनके द्वारा सक्षम अत्यधिक सटीक, कुशल एआई-संचालित स्वचालन का मतलब होगा कि कहीं अधिक कंपनियां मिशन-महत्वपूर्ण स्थितियों की एक विस्तृत श्रृंखला में एआई को तैनात करने में सक्षम होंगी। आईबीएम के लिए, आशा यह है कि फाउंडेशन मॉडल की कंप्यूटिंग शक्ति को अंततः घर्षण रहित हाइब्रिड-क्लाउड वातावरण में प्रत्येक उद्यम में लाया जा सकता है।
watsonx.ai में फाउंडेशन मॉडल खोजें
कृत्रिम बुद्धिमत्ता अनुप्रयोग
आज एआई सिस्टम के लिए वास्तविक दुनिया में असंख्य अनुप्रयोग मौजूद हैं। नीचे कुछ सबसे सामान्य उपयोग के मामले दिए गए हैं:
वाक् पहचान
स्वचालित वाक् पहचान (एएसआर), कंप्यूटर वाक् पहचान या वाक्-से-पाठ के रूप में भी जाना जाता है, वाक् पहचान मानव भाषण को लिखित प्रारूप में संसाधित करने के लिए एनएलपी का उपयोग करता है। कई मोबाइल डिवाइस आवाज खोज करने के लिए अपने सिस्टम में वाक् पहचान को शामिल करते हैं – उदाहरण के लिए सिरी – या अंग्रेजी या कई व्यापक रूप से उपयोग की जाने वाली भाषाओं में टेक्स्टिंग के आसपास अधिक पहुंच प्रदान करते हैं। हमारे केस स्टडी के साथ देखें कि डॉन जॉनस्टन ने कक्षा में पहुंच में सुधार के लिए आईबीएम वॉटसन टेक्स्ट टू स्पीच का उपयोग कैसे किया।
ग्राहक सेवा
ऑनलाइन वर्चुअल एजेंट और चैटबॉट ग्राहक यात्रा के दौरान मानव एजेंटों की जगह ले रहे हैं। वे शिपिंग जैसे विषयों पर अक्सर पूछे जाने वाले प्रश्नों (एफएक्यू) का उत्तर देते हैं, या वैयक्तिकृत सलाह, क्रॉस-सेलिंग उत्पाद या उपयोगकर्ताओं के लिए आकार का सुझाव देते हैं, जिससे वेबसाइटों और सोशल मीडिया प्लेटफार्मों पर ग्राहक जुड़ाव के बारे में हमारे सोचने के तरीके में बदलाव आता है। उदाहरणों में वर्चुअल एजेंटों के साथ ई-कॉमर्स साइटों पर मैसेजिंग बॉट, स्लैक और फेसबुक मैसेंजर जैसे मैसेजिंग ऐप्स और आमतौर पर वर्चुअल असिस्टेंट और वॉयस असिस्टेंट द्वारा किए जाने वाले कार्य शामिल हैं। हमारे केस स्टडी के साथ देखें कि कैसे ऑटोडेस्क इंक ने ग्राहक प्रतिक्रिया समय को 99% तक तेज करने के लिए आईबीएम वाटसनएक्स असिस्टेंट का उपयोग किया।
कंप्यूटर दृष्टि
यह एआई तकनीक कंप्यूटर और सिस्टम को डिजिटल छवियों, वीडियो और अन्य दृश्य इनपुट से सार्थक जानकारी प्राप्त करने में सक्षम बनाती है और उन इनपुट के आधार पर कार्रवाई कर सकती है। सिफ़ारिशें प्रदान करने की यह क्षमता इसे छवि पहचान कार्यों से अलग करती है। कन्वेन्शनल न्यूरल नेटवर्क द्वारा संचालित, कंप्यूटर विज़न में सोशल मीडिया में फोटो टैगिंग, स्वास्थ्य सेवा में रेडियोलॉजी इमेजिंग और ऑटोमोटिव उद्योग में सेल्फ-ड्राइविंग कारों के अनुप्रयोग हैं। हमारे केस स्टडी के साथ देखें कि कैसे ProMare ने महासागर अनुसंधान के लिए एक नया पाठ्यक्रम निर्धारित करने के लिए IBM Maximo का उपयोग किया।
आपूर्ति श्रृंखला
अनुकूली रोबोटिक्स स्वायत्त निर्णय लेने के लिए इंटरनेट ऑफ थिंग्स (IoT) डिवाइस की जानकारी और संरचित और असंरचित डेटा पर कार्य करता है। एनएलपी उपकरण मानव भाषण को समझ सकते हैं और जो उन्हें बताया जा रहा है उस पर प्रतिक्रिया कर सकते हैं। प्रतिक्रियात्मकता, इन्वेंट्री और नेटवर्क अनुकूलन, निवारक रखरखाव और डिजिटल विनिर्माण की मांग के लिए पूर्वानुमानित विश्लेषण लागू किया जाता है। खोज और पैटर्न पहचान एल्गोरिदम – जो अब केवल पूर्वानुमानित नहीं हैं, बल्कि पदानुक्रमित हैं – वास्तविक समय के डेटा का विश्लेषण करते हैं, आपूर्ति श्रृंखलाओं को मशीन-जनित, संवर्धित बुद्धिमत्ता पर प्रतिक्रिया करने में मदद करते हैं, जबकि तत्काल दृश्यता और पारदर्शिता प्रदान करते हैं। हमारे केस अध्ययन से देखें कि कैसे हेंड्रिकसन ने वास्तविक समय के लेनदेन को बढ़ावा देने के लिए आईबीएम स्टर्लिंग का उपयोग किया।
मौसम की भविष्यवाणी
सटीक पूर्वानुमान लगाने के लिए ब्रॉडकास्टर जिस मौसम मॉडल पर भरोसा करते हैं, उसमें सुपर कंप्यूटर पर चलने वाले जटिल एल्गोरिदम शामिल होते हैं। मशीन-लर्निंग तकनीक इन मॉडलों को अधिक लागू और सटीक बनाकर बेहतर बनाती है। हमारे केस अध्ययन के साथ देखें कि कैसे एम्नोशन ने मौसम-संवेदनशील उद्यमों को अधिक सक्रिय, डेटा-संचालित निर्णय लेने के लिए आईबीएम क्लाउड का उपयोग किया।
असंगति का पता लगाये
एआई मॉडल बड़ी मात्रा में डेटा का विश्लेषण कर सकते हैं और डेटासेट के भीतर असामान्य डेटा बिंदुओं की खोज कर सकते हैं। ये विसंगतियाँ दोषपूर्ण उपकरण, मानवीय त्रुटि या सुरक्षा में उल्लंघन के बारे में जागरूकता बढ़ा सकती हैं। हमारे केस स्टडी से देखें कि कैसे नेटॉक्स ने डिजिटल व्यवसायों को साइबर खतरों से बचाने के लिए आईबीएम क्यूराडार का उपयोग किया।
कृत्रिम बुद्धिमत्ता का इतिहास: प्रमुख तिथियाँ और नाम
“एक मशीन जो सोचती है” का विचार प्राचीन ग्रीस से चला आ रहा है। लेकिन इलेक्ट्रॉनिक कंप्यूटिंग के आगमन के बाद से (और इस लेख में चर्चा किए गए कुछ विषयों के सापेक्ष) कृत्रिम बुद्धिमत्ता के विकास में महत्वपूर्ण घटनाएं और मील के पत्थर I
निम्नलिखित शामिल करें:
1950: एलन ट्यूरिंग ने कंप्यूटिंग मशीनरी और इंटेलिजेंस प्रकाशित किया (लिंक ibm.com के बाहर है)। इस पेपर में, ट्यूरिंग – जो द्वितीय विश्व युद्ध के दौरान जर्मन ENIGMA कोड को तोड़ने के लिए प्रसिद्ध है और जिसे अक्सर “कंप्यूटर विज्ञान के जनक” के रूप में जाना जाता है – निम्नलिखित प्रश्न पूछता है: “क्या मशीनें सोच सकती हैं?” वहां से, वह एक परीक्षण की पेशकश करता है, जिसे अब “ट्यूरिंग टेस्ट” के रूप में जाना जाता है, जहां एक मानव पूछताछकर्ता कंप्यूटर और मानव पाठ प्रतिक्रिया के बीच अंतर करने की कोशिश करेगा। हालाँकि यह परीक्षण प्रकाशित होने के बाद से काफी जांच से गुजरा है, यह एआई के इतिहास का एक महत्वपूर्ण हिस्सा है, साथ ही दर्शन के भीतर एक चल रही अवधारणा है क्योंकि यह भाषा विज्ञान के आसपास के विचारों का उपयोग करता है।
1956: जॉन मैक्कार्थी ने डार्टमाउथ कॉलेज में पहली बार एआई सम्मेलन में “कृत्रिम बुद्धिमत्ता” शब्द का प्रयोग किया। (मैककार्थी ने लिस्प भाषा का आविष्कार किया।) उस वर्ष बाद में, एलन नेवेल, जे.सी. शॉ और हर्बर्ट साइमन ने लॉजिक थियोरिस्ट बनाया, जो पहली बार चलने वाला एआई सॉफ्टवेयर प्रोग्राम था।
1967: फ्रैंक रोसेनब्लैट ने मार्क 1 परसेप्ट्रॉन का निर्माण किया, जो तंत्रिका नेटवर्क पर आधारित पहला कंप्यूटर था जिसने परीक्षण और त्रुटि के माध्यम से “सीखा”। ठीक एक साल बाद, मार्विन मिंस्की और सेमुर पैपर्ट ने परसेप्ट्रॉन्स नामक एक पुस्तक प्रकाशित की, जो तंत्रिका नेटवर्क पर एक ऐतिहासिक काम बन गई और कम से कम कुछ समय के लिए, भविष्य की तंत्रिका नेटवर्क अनुसंधान परियोजनाओं के खिलाफ एक तर्क बन गई।
1980 का दशक: तंत्रिका नेटवर्क जो खुद को प्रशिक्षित करने के लिए बैकप्रॉपैगेशन एल्गोरिदम का उपयोग करते हैं, एआई अनुप्रयोगों में व्यापक रूप से उपयोग किए जाते हैं।
1995: स्टुअर्ट रसेल और पीटर नॉरविग ने आर्टिफिशियल इंटेलिजेंस: ए मॉडर्न अप्रोच (लिंक ibm.com के बाहर है) प्रकाशित किया, जो एआई के अध्ययन में अग्रणी पाठ्यपुस्तकों में से एक बन गया। इसमें, वे एआई के चार संभावित लक्ष्यों या परिभाषाओं पर प्रकाश डालते हैं, जो तर्कसंगतता और सोच बनाम अभिनय के आधार पर कंप्यूटर सिस्टम को अलग करते हैं।
1997: आईबीएम के डीप ब्लू ने एक शतरंज मैच (और दोबारा मैच) में तत्कालीन विश्व शतरंज चैंपियन गैरी कास्परोव को हराया।
2004: जॉन मैक्कार्थी ने एक पेपर लिखा, आर्टिफिशियल इंटेलिजेंस क्या है? (लिंक ibm.com के बाहर मौजूद है), और AI की अक्सर उद्धृत परिभाषा का प्रस्ताव करता है।
2011: आईबीएम वॉटसन ने ख़तरे में चैंपियन केन जेनिंग्स और ब्रैड रटर को हराया!
2015: Baidu का मिनवा सुपरकंप्यूटर औसत मानव की तुलना में सटीकता की उच्च दर के साथ छवियों को पहचानने और वर्गीकृत करने के लिए एक विशेष प्रकार के गहरे तंत्रिका नेटवर्क का उपयोग करता है जिसे कन्वेन्शनल तंत्रिका नेटवर्क कहा जाता है।
2016: गहरे तंत्रिका नेटवर्क द्वारा संचालित डीपमाइंड का अल्फ़ागो कार्यक्रम, विश्व चैंपियन गो खिलाड़ी ली सोडोल को पांच गेम के मैच में हरा देता है। जैसे-जैसे खेल आगे बढ़ता है (सिर्फ चार चालों के बाद 14.5 ट्रिलियन से अधिक!) संभावित चालों की बड़ी संख्या को देखते हुए यह जीत महत्वपूर्ण है। बाद में, Google ने DeepMind को कथित तौर पर 400 मिलियन अमेरिकी डॉलर में खरीद लिया।
2023: बड़े भाषा मॉडल या एलएलएम, जैसे कि चैटजीपीटी, में वृद्धि एक निर्माण करती है
एआई के प्रदर्शन और उद्यम मूल्य को बढ़ाने की इसकी क्षमता में भारी बदलाव। इन नई जेनरेटिव एआई प्रथाओं के साथ, डीप-लर्निंग मॉडल को बड़ी मात्रा में कच्चे, बिना लेबल वाले डेटा पर पूर्व-प्रशिक्षित किया जा सकता है।
संबंधित समाधान
आर्टिफिशियल इंटेलिजेंस (एआई) समाधान
आईबीएम की उद्योग-अग्रणी एआई विशेषज्ञता और समाधानों के पोर्टफोलियो के साथ एआई को अपने व्यवसाय में काम पर लगाएं।
एआई समाधान खोजें
एआई सेवाएं
अनुभव, वास्तविक समय निर्णय लेने और व्यावसायिक मूल्य को अधिकतम करने के लिए एआई को जोड़कर महत्वपूर्ण वर्कफ़्लो और संचालन को फिर से शुरू करें।
एआई सेवाओं का अन्वेषण करें
साइबर सुरक्षा के लिए एआई
एआई साइबर सुरक्षा के लिए खेल को बदल रहा है, प्रतिक्रिया समय को तेज करने और कम संसाधन वाले सुरक्षा संचालन को बढ़ाने के लिए भारी मात्रा में जोखिम डेटा का विश्लेषण कर रहा है।
साइबर सुरक्षा के लिए AI का अन्वेषण करें
संसाधन
ईबुकसही एआई फाउंडेशन मॉडल कैसे चुनें
अपनी व्यावसायिक आवश्यकताओं के लिए आधार मॉडल का चयन करने के लिए मॉडल चयन ढांचे का उपयोग करना सीखें।
हमारे डिजिटल लर्निंग सब्सक्रिप्शन के साथ प्रशिक्षण में 70% तक की बचत करें
आज ही व्यक्तिगत या बहु-उपयोगकर्ता डिजिटल लर्निंग सदस्यता खरीदकर 100 से अधिक ऑनलाइन पाठ्यक्रमों की हमारी पूरी सूची तक पहुंचें, जिससे आप कम कीमत पर हमारे उत्पादों की एक श्रृंखला में अपने कौशल का विस्तार कर सकेंगे।
मार्केट रिसर्च2023 गार्टनर पीयर इनसाइट्स ग्राहकों की पसंद
आईबीएम वाटसनएक्स असिस्टेंट को एंटरप्राइज कन्वर्सेशनल एआई प्लेटफॉर्म के लिए 2023 गार्टनर पीयर इनसाइट्स वॉयस ऑफ द कस्टमर रिपोर्ट में ग्राहकों की पसंद के रूप में मान्यता दी गई है।
आर्टिकलएआई-संवर्धित खरीद रणनीति
जानें कि कैसे मशीन लर्निंग मांग का अनुमान लगा सकती है और लागत में कटौती कर सकती है।